- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
首先,我使用了 Python 3 grapheme库来解决我的问题。 (有关字素的更多信息,请参阅 this article)。但令我惊讶的是,如果没有专门的库,Python 3 无法做到这一点......
我求助于 grapheme 因为在多次网络搜索和阅读 StackOverflow 问题后,我无法让 Python 3 返回序列中正确数量的字符位置泰国字符。
例如,这是一个 UTF-8 泰文字符串:
thai_str = 'สีโชคดีเป็นสีชมพู สีโชคร้ายเป็นสีเหลืองและขาว'
我使用术语字符位置 来标识泰文字符行/字符串中的单个位置。这是因为字符位置可能由泰语辅音加上(在某些情况下)辅音上方或下方的元音或声调标记组成。辅音加上上面/下面的元音或声调标记在 Unicode 字符串中占据一个字符位置。 (一些泰语辅音可能在其左侧、右侧或两者都有元音。这些元音占据它们自己的字符位置。)
例如,在从示例字符串生成的以下序列中,第 2 项和第 7 项是元音,第 10 项是声调标记。每个使用 UTF-8 字符串中的单独字节,但不占用自己的字符位置。第 3 项和第 8 项是位于辅音左侧的元音,因此占据字符位置。
01: ส
02: ี
03: โ
04: ช
05: ค
06: ด
07: ี
08: เ
09: ป
10: ็
...
45: ว
当尝试确定示例字符串中的字符位置时,len(thai_str)
返回 45
。这是不正确的。我能够获得正确数量的字符位置的唯一方法是使用 grapheme.length(thai_str)
来获得 35
。
我还使用了编码来获得以下内容:
b'\xe0\xb8\xaa\xe0\xb8\xb5\xe0\xb9\x82\xe0\xb8\x8a\xe0\xb8\x84\xe0\xb8\x94...
(计算似乎在每个泰语字符之前的 xe0
的实例感觉不是正确的方法...)
SO - 计算我的示例字符串中字符位置的唯一方法是使用 Python 3 库(例如 grapheme)吗?
最佳答案
这不是唯一的方法,如果你想自己实现一个字素计数器,但它很复杂,你必须咨询https://unicode.org规范以使其正确。
thai_str
不是UTF-8字符串,而是包含Unicode码位的Unicode字符串。有不同的categories代码点。计算字符位置所需的示例文本使用的两个类别是:
Lo
Other_Letter,其他字母,包括音节和表意文字;Mn
Nonspacing_Mark,一个非间距组合标记(零前进宽度)。如果您不计算代码点的 Nonspacing_Mark (Mn
) 类别,您可以大致了解字素库在做什么:
import unicodedata as ud
thai_str = 'สีโชคดีเป็นสีชมพู สีโชคร้ายเป็นสีเหลืองและขาว'
for cp in thai_str:
print(f'{cp}\t{ud.category(cp)}\t{ud.name(cp)}')
print(sum(1 for cp in thai_str if ud.category(cp)[0] != 'M'))
输出:
ส Lo THAI CHARACTER SO SUA
ี Mn THAI CHARACTER SARA II
โ Lo THAI CHARACTER SARA O
ช Lo THAI CHARACTER CHO CHANG
ค Lo THAI CHARACTER KHO KHWAI
ด Lo THAI CHARACTER DO DEK
ี Mn THAI CHARACTER SARA II
เ Lo THAI CHARACTER SARA E
ป Lo THAI CHARACTER PO PLA
็ Mn THAI CHARACTER MAITAIKHU
...
ว Lo THAI CHARACTER WO WAEN
35
关于python - 在 Python 3 中,计算泰语字符的位置,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54263419/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!